No fluff.
Just what works.
Technical articles on building AI systems that run in production. Architecture decisions, code, lessons learned.
Kontextfenster für KI-Agenten: Speicherbedarf senken und Task-Chains beschleunigen
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Ich entwickle und betreibe autonome Multi-Agenten-Systeme für DACH-B2B-Kunden (Logistik, FinTech, Industrie) mit Claude, Supabase, n8n, Doppler und selbst gehostetem Postgres. Bei einem Finanzkunden führte ein unkontrolliertes Kontextfenster dazu, dass der OpenAI-Budgetrahmen für einen Monat innerhalb von drei Tagen aufgebraucht war. Kontextfenster: Produktionslimit statt Randnotiz Das Token-Limit eines LLM ist in der Prax
Context Window for AI Agents: Cutting Memory Costs and Speeding Up Task Chains
I’m Denis Shokhirev, Agentic AI Systems Architect based in Freiburg im Breisgau, Germany. At DennisCraft AI Studio, I ship multi-agent AI systems for DACH B2B clients (logistics, fintech, industrial automation) using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. Last month, one of my production agents blew through an OpenAI monthly budget in three days—root cause: uncontrolled context window growth. Context Window: The Real Production Bottleneck Token window limits aren’t just a t
Контекстное окно для AI-агентов: как сократить расходы на память и ускорить цепочки задач
Я — Денис Шохирев, архитектор агентных AI-систем из Фрайбурга, Германия. В DennisCraft AI Studio я внедряю автономные multi-agent системы для B2B-клиентов из DACH (логистика, финтех, индустриальная автоматизация). Мой стек: Claude, Supabase, n8n, Doppler, self-hosted Postgres. Недавно у клиента в финтехе один агент “съел” месячный бюджет OpenAI за 3 дня — и вся проблема оказалась в контекстном окне. Контекстное окно: реальный лимит, а не абстракция В продакшене токеновый лимит LLM — не просто
Anthropic ersetzt Git: Wie KI-Agenten bewährte Entwicklungsinfrastrukturen aufbrechen
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meiner Rolle als Architekt und Betreiber von produktiven KI-Systemen im DACH-B2B-Umfeld (Stack: Claude, Supabase, n8n, Doppler, selbst gehostetes Postgres) beobachte ich, wie Agenten produktive Infrastrukturen verändern. Ein reales Beispiel: Ein autonomer Claude-Agent änderte in einer Logistikplattform Produktionsdaten direkt — kein Git-Commit, kein PR, keine klassische Sicherung, aber unter DSGVO- und BSI-Grundschutz-Pfli
Anthropic Replaces Git: When AI Agents Break Traditional Dev Infrastructure
I’m Denis Shokhirev — Agentic AI Systems Architect based in Freiburg, running DennisCraft AI Studio. Every week, I ship AI-driven B2B systems for DACH clients using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. Last month, an autonomous Claude agent pushed a major configuration change directly to production — no Git commit, no PR, no manual audit. This is not demo territory: this is regulated logistics and fintech, where every change must be accountable. The Limits of Git in Agenti
Anthropic заменяет Git: как AI-агенты ломают привычную инфраструктуру разработки
Я — Денис Шохирев, Agentic AI Systems Architect, работаю из Фрайбурга и управляю DennisCraft AI Studio. На реальных кейсах в DACH я вижу, как AI-агенты (Claude, Supabase, n8n, самописные пайплайны) ломают привычную разработку. Неделю назад Claude Code в проде переписал 12 файлов без Git-коммитов, а изменения попали в Postgres напрямую. Это не эксперимент — так теперь работает автоматизация в индустрии логистики и финтеха, где каждое действие под контролем регуляторов. Почему привычная Dev-инфр
Open-Source-Agent-Workspaces: Wie Paperclip und ENZO es Ihnen ermöglichen, Agenten auf eigenen Schlüsseln und Infrastruktur zu betreiben
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau — ich baue und betreibe produktive Agenten-Systeme in DACH-Unternehmen auf Basis von Claude, Supabase, n8n, Doppler und selbst gehostetem Postgres. Im letzten Quartal stellte mir ein Automationskunde die Frage: Wie können wir Agenten auf eigenen Schlüsseln und Infrastruktur, unter Einhaltung von DSGVO und BSI Grundschutz, produktiv betreiben – komplett ohne fremde Clouds und mit voller Kontrolle? Warum offene Agent-Workspace
Open-Source Agent Workspaces: How Paperclip and ENZO Let You Run Agents on Your Own Keys and Infrastructure
I'm Denis Shokhirev — Agentic AI Systems Architect in Freiburg, Germany, running DennisCraft AI Studio. My production stack: Claude, Supabase, n8n, Doppler, and self-hosted Postgres. Last quarter, a fintech client hit a wall: they needed to deploy production-grade agents on their own API keys and infrastructure — no cloud vendors, no demo sandboxes, full auditability. Why Open-Source Agent Workspaces Matter Most open-source agent platforms either lock you into their cloud or top out at toy us
Открытый workspace для AI-агентов: как Paperclip и ENZO позволяют запускать агентов на своих ключах и инфраструктуре
Я — Денис Шохирев, архитектор агентных AI-систем во Фрайбурге, Германия. В DennisCraft AI Studio я строю и запускаю агентные системы для B2B-клиентов в DACH-регионе на стеке Claude, Supabase, n8n, Doppler и self-hosted Postgres. Недавно при деплое очередного автономного агента для логистики у клиента возник вопрос: как запустить production-ready агента на собственных ключах и инфраструктуре — без чужих облаков, без vendor lock? Зачем нужен открытый workspace для AI-агентов Большинство open-so
Die Hälfte Ihres Kontextfensters ist verschwendet: Wie MCP-Dumps, aufgeblähte Konfigurationen und ungenutzte Skills jede Claude-Code-Sitzung verteuern
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meinem DennisCraft AI Studio liefere ich produktive Agenten-basierte KI-Systeme für DACH-B2B-Kunden aus — keine Demos. Im Alltag sehe ich, wie bei jeder Ausführung mit Claude Code bis zur Hälfte des Kontextfensters durch MCP-Dumps, überladene Konfigurationen und nicht genutzte Skills verschwendet wird. Das kostet bares Geld, erhöht das Fehlerrisiko und bringt Compliance-Probleme in den Produktivbetrieb. Was das Kontextfe
Half Your Context Window Is Wasted: How MCP Dumps, Bloated Configs, and Unused Skills Make Every Claude Code Session More Expensive
I'm Denis Shokhirev, Agentic AI Systems Architect in Freiburg, Germany. At DennisCraft AI Studio, I ship production-grade AI systems for DACH B2B clients, not demos. Here’s a reality check: every time I load a multi-agent workflow into Claude Code, I lose up to 50% of the context window to garbage — MCP dumps, bloated configs, and unused skills. This isn’t theoretical: it burns budgets and causes real bugs in production. What’s Filling Your Context: MCP Dumps, Bloated Configs, Unused Skills
Половина вашего контекстного окна забита мусором: как MCP-дампы, bloated-конфиги и неиспользуемые skills удорожают каждую сессию Claude Code
Я — Денис Шохирев, architect агентных AI-систем во Фрайбурге и руководитель DennisCraft AI Studio. Вся моя работа — это продакшн-системы для DACH-клиентов, не демо. И вот реальный кейс: вы открываете Claude Code, грузите агента, и сразу теряете до 50% контекстного окна на мусор — MCP-дампы, bloated-конфиги, неиспользуемые skills. Это не теоретическая проблема: бюджеты сгорают, а баги приходят в продакшн. Что именно забивает окно: MCP-дампы, bloated-конфиги, skills MCP-дампы: зачем они нужны
So verbinden Sie jedes KI-Modell in 5 Minuten mit über 1200 Business-Integrationen (MCP, CLI, API)
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Mein Stack: Claude, Supabase, n8n, Doppler, self-hosted Postgres. Im produktiven DACH-B2B-Umfeld entscheidet der Integrationsaufwand über Erfolg oder Scheitern von KI-Projekten. Wenn der Anschluss an bestehende Systeme länger als 5 Minuten pro Schnittstelle dauert, wird das Projekt meist nie ausgerollt. Produktivbetrieb erfordert schnelle, stabile Integration – nicht nur Demo-Workflows Für DACH-Kunden zählt nur, was im lau
How to connect any AI model to 1200+ business integrations in 5 minutes (MCP, CLI, API)
I'm Denis Shokhirev, an Agentic AI Systems Architect based in Freiburg im Breisgau, Germany. My stack is Claude, Supabase, n8n, Doppler, and self-hosted Postgres. In production, the real bottleneck isn’t model performance — it’s the brutal friction of connecting AI to existing business systems. If integration takes more than 5 minutes per endpoint, the project stalls before it’s even live. Why “AI integration” is the real production bottleneck Shipping AI means embedding it in the daily workf
Как подключить любой AI-модель к 1200+ бизнес-интеграциям за 5 минут (MCP, CLI, API)
Я — Denis Shokhirev, архитектор агентных AI-систем из Фрайбурга. Работаю со стеком Claude, Supabase, n8n, Doppler и self-hosted Postgres, внедряю AI-решения под реальные процессы DACH B2B-клиентов. В проде — нет времени на демо-решения: интеграция AI в 1200+ бизнес-систем должна работать за 5 минут, иначе проект умирает на этапе пилота. Зачем вообще нужна массовая интеграция AI с бизнес-системами В реальном проде AI-модель сам по себе — не ценность. Ценность — когда она работает в потоке бизн
Automatisierte Tiefenanalyse: Warum Ihre LLM-Agenten entscheidende Daten-Insights verpassen
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meinem Studio DennisCraft AI baue und betreibe ich autonome LLM-Agentensysteme im DACH-B2B-Bereich – für Logistik, Fintech, Industrieautomation. Zum Stack gehören Claude, Supabase, n8n, Doppler und selbst gehostetes Postgres. Im produktiven Betrieb sehe ich immer wieder, dass Agenten entscheidende Muster in Kundendaten übersehen – Fehler, die im Demo nie auftauchen. Warum LLM-Agenten kritische Insights übersehen Ein Bei
Automating Deep Research: Why Your LLM Agents Miss Critical Insights in Data
I'm Denis Shokhirev, Agentic AI Systems Architect based in Freiburg, Germany. At DennisCraft AI Studio, I build and operate autonomous LLM agent systems for DACH B2B clients using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. In production, I repeatedly see agent pipelines miss crucial insights buried in real client data—issues that never appear in demo environments. Why LLM Agents Miss the Mark in Deep Data Research Recently, a logistics client’s agent failed to spot four consecu
Автоматизация глубоких исследований: почему ваши LLM-агенты не находят нужные инсайты в данных
Я — Денис Шохирев, архитектор агентных AI-систем во Фрайбурге, Германия. В DennisCraft AI Studio я внедряю автономных LLM-агентов для B2B клиентов DACH в логистике, финтехе, промышленной автоматизации. Мой стек: Claude, Supabase, n8n, Doppler, self-hosted Postgres. В продакшене агенты часто “слепы” к критичным инсайтам в реальных данных, хотя на демо всё выглядит идеально. Почему LLM-агенты теряют инсайты: типичные сбои на проде В недавнем проекте для логистического клиента агент должен был н
Open-source KI-Finanzberater: Investitionen und Schulden managen ohne Cloud-Datenübertragung
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Ich entwickle produktive Agenten-KI-Systeme für B2B-Kunden in der DACH-Region auf Basis von Claude, Supabase, n8n, Doppler und selbst gehostetem Postgres. In der Praxis zeigt sich immer wieder: Finanzabteilungen wollen Investitionen und Verbindlichkeiten KI-gestützt steuern – aber DSGVO und NIS2 schließen Cloud-basierte Lösungen faktisch aus. Warum ein KI-Finanzberater ohne Cloud zwingend ist Für die meisten regulierten Un
Open-source AI Financial Advisor: Manage Investments and Debt Without Sending Data to the Cloud
I’m Denis Shokhirev, Agentic AI Systems Architect in Freiburg, Germany. I ship production AI systems for DACH B2B clients using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. One recurring production blocker: finance teams need AI-driven investment and debt insights, but can’t risk sending sensitive data to the cloud. Here’s how I solve that, in code and contracts. Why Cloudless AI for Finance Isn’t Optional Most German and Swiss B2B clients operate under strict GDPR and NIS2 manda